找到 2 条结果
基于LSTM-XGBoost模型的光伏电站短期功率预测
Short-term power prediction of photovoltaic power station based on LSTM-XGBoost model
Chenyang Zhua · Yibo Tua · Qingya Weia · Yue Zanga 等11人 · Solar Energy · 2025年1月 · Vol.300
摘要 目前，由于太阳能本身具有变异性与不确定性，受天气条件、一天中的时间以及季节变化等因素影响，光伏发电功率的精确预测仍是一个重大挑战。传统的预测模型往往难以捕捉数据中复杂的时序依赖关系和非线性关系，导致预测精度不理想。为应对这些挑战，本文提出一种新颖的混合方法，结合深度学习与集成学习的优势。采用长短期记忆网络（LSTM）提取时间序列数据中的动态特征，通过捕获短期和长期依赖关系，提供对时序信息的稳健表征。极端梯度提升算法（XGBoost）则利用其强大的非线性建模能力和特征选择技术进一步优化预测结...
解读: 该LSTM-XGBoost混合预测模型对阳光电源iSolarCloud智慧运维平台及储能系统具有重要应用价值。通过捕捉光伏发电的时序依赖性和非线性特征,可显著提升ST系列PCS的功率预测精度,优化PowerTitan储能系统的充放电策略。模型的SHAP可解释性分析有助于增强预测性维护能力,提升SG系...
双面光伏组件在局部遮阴条件下复合发电模型的开发
Development of a compound power generation model for bifacial photovoltaic modules under partial shading conditions
Qiangzhi Zhang · Yimo Luo · Tao Mac · Shuhao Wanga 等8人 · Applied Energy · 2025年1月 · Vol.400
摘要 双面光伏（bPV）组件由于自遮挡、相互遮挡以及外部遮挡，导致其正面和背面接收到的太阳辐照度分布不均，从而影响其性能与可靠性。因此，在局部遮阴条件（PSC）下建立精确的功率模型至关重要。现有的bPV组件发电模型通常基于双面因子，未能考虑被遮挡与未被遮挡太阳电池区域之间的电流失配问题，以及正背面电气性能的动态变化，这两方面因素均会导致发电量的高估。为克服上述局限性，本文提出了一种新型复合发电模型，该模型构建了双电流源子模型（DCSM）以考虑太阳电池的失配效应，并采用并联等效电路子模型（PECM...
解读: 该双面组件复合功率模型对阳光电源SG系列光伏逆变器的MPPT优化具有重要价值。传统模型在遮挡工况下误差超60%,新模型通过双电流源子模型和并联等效电路精准捕捉电池失配与动态特性,误差降至5%以内。可应用于iSolarCloud平台的发电预测算法,优化1500V系统在复杂遮挡场景下的多路MPPT策略,...